专利交易市场

基于自适应分块压缩感知的视频压缩方法，包含视频图像自适应分块方法和各种图像块分类并分配采样率方法两个部分。视频图像自适应分块方法，以参考帧图像相邻像素间的灰度差值作为块大小分割的依据，设定分块阈值T，通过当前区域块相邻像素灰度平均差值与阈值的比较，利用四叉树算法进行视频图像自适应块大小的划分，有效分离平坦区域和细节、边缘区域。在自适应分块的基础上，把视频像素DCT系数的帧间差值作为块分类的依据，将大小不一的各种图像块分成快速变化块、过渡块和缓慢变化块3种类型，并对不同类型的图像块分配合适的采样率。本发明视频重构质量好，重构时间短，在相同条件下两者均优于视频均匀分块压缩感知处理的方法。

本发明公开了一种通用视频编码中加速32×32编码单元划分选择方法及系统，方法如下：S1，以4×4编码单元作为特征提取的基元构成纹理特征的提取矩阵，以所述提取矩阵的极差Range、方差Var、绝对平均偏差MAD以及最大局部纹理作为判断编码单元继续划分的特征；S2，用步骤S1得到的特征作为输入，构建用于判断编码单元是否需要继续划分的随机森林分类器模型以及划分类型的启发式选择模型；S3，利用步骤S2得到随机森林分类器模型判断编码单元是否需要继续划分，若是，则采用步骤S2的启发式选择模型得到编码单元的划分类型。本发明通过使用机器学习与数据统计相结合的方法来预测及加速编码单元的划分过程，在保证节省时间的同时还能够兼顾编码效率。

本申请公开了一种帧内预测方法、装置、设备及存储介质，属于图像处理技术领域。所述方法包括：以块为单位对待处理图像进行块划分，得到多个图像块，基于当前图像块，通过第一记忆网络模型，确定当前图像块的预测像素值，当前图像块为多个图像块中的任意一个，第一记忆网络模型至少包括依次相连的多级第一记忆单元，多级第一记忆单元用于对多个图像块进行处理，每级第一记忆单元用于对输入的图像块进行处理并将处理结果和/或该第一记忆单元的网络状态参数传递给下一级第一记忆单元。由于该记忆网络模型可以自动学习最佳预测值生成方式，因此，提高了帧内预测的效率，并使得预测泛化能力更强。

本发明公开了一种基于神经网络的视频预测编码方法，涉及视频压缩编码技术领域，本发明包括S1、输入大小为64×64的编码树单元，通过贝叶斯分类器对其进行粗判断，判断是否采用SKIP模式，若是，则判定当前编码树单元不往下划分，直接得到编码树单元的编码单元大小决策，否则，执行S2；S2、通过三支神经网络并行对编码树单元的深度进行编码单元分块决策，得到编码单元的分块结果；S3、由S2中得到的编码单元分块结果得到编码单元大小决策；S4、根据S1或S3中得到的编码单元大小决策进行预测编码，得到编码结果，本发明在确保编码性能的前提下，能够大大降低编码复杂度，提高编码效率。

本发明公开了一种光场图像压缩方法，属于图像压缩技术领域。本发明基于设置的图像组尺寸对光场子图像阵列进行矩形分块，得到第一类图像组；而对于未分组光场子图像，则基于邻近的已分组光场子图像进行图像组分组，得到由未分组及其邻近光场子图像构成的第二类图像组，两类图像组的尺寸相同。采用相同的编码方式，先对第一类图像组进行编码压缩，以图像组的中心图为参考帧，对参考帧进行帧间编码，对图像组内的的非参考帧进行帧间预测编码；然后进行第二类图像组的编码压缩，在编码时，已在第一类图像组编码则跳过。本发明用于的光场图像压，能有效提升图像压缩效果和压缩效率。

本发明涉及一种图像帧内预测方法及其装置，包括将当前图像帧划分为多个图像宏块；对每个图像宏块中的像素进行采样得到采样像素；对于所述每个图像宏块，基于所述每个图像宏块中的所述采样像素，通过第一帧内预测方式确定所述每个图像宏块中各像素的第一预测值；将所述每个图像宏块分割为多个图像子宏块；对于所述每个图像宏块，基于所述多个图像子宏块的分割方式，通过第二帧内预测方式确定所述每个图像宏块中各像素的第二预测值；根据所述第一预测值和所述第二预测值确定出所述每个图像宏块的最终帧内预测方式。与现有的方法相比，选用两种帧内预测方式进行图像帧的预测，对于不同场景的图像宏块可以提高图像帧的编码压缩率，进一步降低压缩的理论极限熵。

本发明涉及一种带宽压缩中的后选择预测方法，包括：将图像分成大小相同的多个MB；采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。本发明提供的带宽压缩中的后选择预测方法，以复杂纹理自适应预测方法和4分块跳块扫描多方向预测方法为基础，通过预测选择算法可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。